15:30
18:30

La thèse « Locomotion, planification de pas et résistance aux chutes des robots humanoïdes via des politiques d'apprentissage par renforcement » étudie comment doter les robots humanoïdes d'une marche fiable et d'une capacité de relevage rapide après chute, sans recourir à des heuristiques ni à des trajectoires préprogrammées. Elle s'inscrit dans un défi central de l'autonomie robotique : permettre à des robots réels d'agir de façon robuste dans des environnements incertains et riches en contacts, tout en respectant les contraintes du calcul embarqué. Les approaches purement basées sur des modèles montrent leurs limites d'adaptation, tandis que l'apprentissage par renforcement profond (DRL) promet des comportements généralisables appris à partir de données. La problématique est donc : comment concevoir des politiques DRL à la fois légères en calcul, transférables de la simulation au robot réel, et intégrables dans les piles de locomotion standard ? Méthodologiquement, la thèse établit les bases de l'apprentissage par renforcement appliqué à la robotique, puis propose deux contributions principales entraînées en simulation avec randomisation de domaines et validées sur des humanoïdes de petite taille. FootstepNet est un planificateur de pas acteur-critique efficace, capable de produire des placements de pas continus tout en anticipant le nombre de pas nécessaires pour atteindre plusieurs objectifs locaux ; il supprime la dépendance aux ensembles de pas discrets et aux heuristiques, fonctionne en inférence embarquée et égale ou dépasse la qualité des planifications d'ARA*, pour un coût de calcul bien moindre, avec une validation en simulation et sur robot réel lors de la RoboCup 2023. FRASA, quant à lui, est un agent unifié de rattrapage et de relevage : une seule politique transforme des observations proprioceptives en commandes moteurs permettant d'établir des contacts stabilisateurs avant de se relever. Exploitant l'algorithme Cross-Q et la symétrie du robot, FRASA réduit l'entraînement à environ 30 minutes et se transfère zero-shot sur le robot réel, surpassant une référence à base de trajectoires préprogrammées et gérant une grande variété de postures initiales. En conclusion, ces travaux montrent que des politiques DRL légères, modulaires et sûres peuvent être rendues pratiques pour le contrôle embarqué des humanoïdes, réduisant significativement les temps d'indisponibilité après perturbation et ouvrant la voie à une autonomie plus générale et robuste en conditions réelles.
 

Amphi 2 Bât 2A (IUT de Bx, Gradignan)